059、HDR融合的"对齐精度"——手持夜景模糊的根因往往是运动估计而非融合算法，从光流场到块匹配的实战对比昨晚在实验室盯着一组手持夜景样张，放大到200%看楼宇边缘的鬼影，心里那个堵。客户反馈说“夜景模式拍出来糊”，我们第一反应是查融合权重、查降噪强度、查色调映射曲线，折腾了两天，最后发现根子出在对齐模块——运动估计错了，后面全是白搭。这个坑我踩过不止一次，今天把光流场和块匹配这两条路的实战对比摊开讲，希望能帮你少走几小时弯路。先说现象。手持夜景，快门压到1/4秒甚至更慢，连拍三到五帧做HDR融合。单看每一帧，噪点大但画面是清晰的；融合之后，暗部噪点确实压下去了，可高光边缘、招牌文字、树叶缝隙这些地方出现了重影，不是那种整体偏移的模糊，而是局部区域像被橡皮擦蹭过一样，边缘有半透明的拖尾。很多人第一反应是“融合算法不够好”，换加权平均、换拉普拉斯金字塔、换基于显著性的融合，折腾一圈，鬼影还在。这时候你该怀疑的不是融合，而是对齐。运动估计干的事，是把多帧图像里的同一物理点找出来，映射到同一坐标。手持场景下，全局平移是少数，更多是旋转、透视变化，还有前景人物的独立运动。光流场和块匹配是两条主流路线，但它们的性格完全不同。光流场，本质是逐像素或逐稀疏特征点计算运动矢量。稠密光流（比如Farneback）对每个像素都给一个运动向量，理论上能处理任意形变，包括旋转、缩放、局部非刚性运动。但代价是计算量大，而且对光照变化敏感——HDR多帧恰恰是不同曝光，亮度差异大，光流算法很容易把曝光差异误判成运动。我见过一个项目，用稠密光流做对齐，暗帧和亮帧之间的光流场在天空区域出现了一大片伪运动矢量，融合后天空出现水波纹状的明暗条纹，比鬼影还难看。稀疏光流（比如LK金字塔）稍